🤖 Category

cs.LG

24235 पेपर

🤖 machine learning

Federated Learning of Spiking Neural Networks under Heterogeneous Temporal Resolutions

यह शोध पत्र स्पाइकिंग न्यूरल नेटवर्क के लिए एक फेडरेटेड लर्निंग फ्रेमवर्क प्रस्तावित करता है जो विभिन्न समय पैमानों पर सीखे गए न्यूरॉन मापदंडों को एकीकृत करने के लिए अनुकूलन विधियों को विकसित करके एज उपकरणों के बीच विषम टेम्पोरल रिज़ॉल्यूशन की चुनौती को प्रभावी ढंग से संबोधित करता है, जिससे कच्चे डेटा साझाकरण के बिना सहयोगात्मक प्रशिक्षण सक्षम होता है और टेम्पोरल मिसमैच के कारण खोई गई सटीकता को पुनः प्राप्त किया जाता है।

Sanja Karilanova, Subhrakanti Dey, Ayça Özçelikkale2026-05-18
⚛️ quantum physics

Quantum Feature Pyramid Gating for Seismic Image Segmentation

यह शोध पत्र एक हाइब्रिड क्वांटम-क्लासिकल आर्किटेक्चर प्रस्तुत करता है जो एक एनकोडर-डिकोडर पाइपलाइन के भीतर फीचर-गेटिंग तंत्र के रूप में पैरामीटराइज्ड क्वांटम सर्किट को समाहित करता है, यह प्रदर्शित करते हुए कि यह दृष्टिकोण शास्त्रीय फ्यूजन विधियों की तुलना में भूकंपीय छवियों (सीस्मिक इमेजेस) पर साल्ट-बॉडी सेगमेंटेशन सटीकता में महत्वपूर्ण सुधार करता है।

Taha Gharaibeh, Jyotsna Sharma2026-05-18
🤖 machine learning

Is One Score Enough? Rethinking the Evaluation of Sequentially Evolving LLM Memory

यह शोध पत्र SeqMem-Eval को प्रस्तुत करता है, जो एक नैदानिक ढांचा (diagnostic framework) है जो समग्र सटीकता मेट्रिक्स से आगे बढ़कर भूलने (forgetting), नकारात्मक स्थानांतरण (negative transfer), और अनुकूलन क्षमता एवं स्थिरता (adaptability and stability) के बीच के समझौतों जैसे गतिशील गुणों को मापकर क्रमवार विकसित होते LLM मेमोरी का अधिक सूक्ष्म-स्तरीय मूल्यांकन प्रदान करता है।

Songwei Dong, Zihan Chen, Chengshuai Shi, Peng Wang, Jundong Li, Cong Shen2026-05-18
🤖 machine learning

ff-Trajectory Balance: A Loss Family for Tuning GFlowNets, Generative Models, and LLMs with Off- and On-Policy Data

यह शोध पत्र ff-ट्रैजेक्टरी बैलेंस (f-Trajectory Balance) को प्रस्तुत करता है, जो लॉस फंक्शन्स (loss functions) का एक परिवार है जो मीन स्क्वायर एरर (mean square error) दृष्टिकोण को सभी ff-डाइवर्जेंस (f-divergences) तक विस्तारित करता है, जिससे जेनरेटिव मॉडल्स और एलएलएम (LLMs) को उनके संबंधित ऑन-पॉलिसी (on-policy) ff-डाइवर्जेंस ग्रेडिएंट्स के विशिष्ट अनुकूलन गुणों (जैसे कि मोड कवरिंग) को संरक्षित करते हुए ऑफ-पॉलिसी (off-policy) डेटा के साथ प्रशिक्षित करना सक्षम होता है।

Jake Fawkes, Jason Hartford2026-05-18
🤖 machine learning

Spectral Priors vs. Attention: Investigating the Utility of Attention Mechanisms in EEG-Based Diagnosis

यह शोध पत्र प्रदर्शित करता है कि स्पेक्ट्रली चयनात्मक विशेषता निष्कर्षण (spectrally selective feature extraction) पारंपरिक मशीन लर्निंग मॉडलों को EEG-आधारित निदान में अत्याधुनिक डीप लर्निंग आर्किटेक्चर से बेहतर या उनके बराबर प्रदर्शन करने में सक्षम बनाता है, जो यह प्रकट करता है कि अटेंशन मैकेनिज्म प्रासंगिक स्पेक्ट्रल विशेषताओं की पहचान करने में मौलिक सीमाओं के कारण स्थिर न्यूरल सिग्नेचर को प्रभावी ढंग से कैप्चर करने में विफल रहते हैं।

Tawsik Jawad, Gowtham Atluri, Vikram Ravindra2026-05-18
🤖 machine learning

On the Stability of Growth in Structural Plasticity

यह शोध पत्र प्रकट करता है कि डीप लर्निंग में संरचनात्मक विकास (structural growth) प्रूनिंग (pruning) से मौलिक रूप से भिन्न है क्योंकि नव-सम्मिलित इकाइयाँ कमजोर ग्रेडिएंट संकेतों ("बैकवर्ड-स्टार्व्ड") से ग्रस्त होती हैं, जिससे उनकी सफलता केवल वास्तुशिल्प चयन के बजाय एकीकरण स्थिरता और समय पर निर्भर करती है।

Lute Lillo, Nick Cheney2026-05-18
💬 NLP

Reasoning Models Don't Just Think Longer, They Move Differently

यह शोध पत्र यह प्रदर्शित करता है कि जनरेशन की लंबाई (generation length) को सुधारने के बाद, रीजनिंग-प्रशिक्षित मॉडल विशिष्ट आंतरिक प्रक्षेपवक्र ज्यामिति (internal trajectory geometries) प्रदर्शित करते हैं—विशेष रूप से कोड डोमेन में—जो केवल विस्तारित गणना के बजाय वास्तविक रणनीति परिवर्तनों और अनिश्चितता की निगरानी को दर्शाते हैं।

Anders Gjølbye, Lars Kai Hansen, Sanmi Koyejo2026-05-18
📊 statistics

Don't Stop Me Yet: Sampling Loss Minima via Dissipative Riemannian Mechanics

यह शोध पत्र DiMS प्रस्तुत करता है, जो एक विसरित रीमानियन यांत्रिकी-आधारित सैंपलर (dissipative Riemannian mechanics-based sampler) है जो गतिज ऊर्जा, गुरुत्वाकर्षण खिंचाव और घर्षण का उपयोग करके लॉस मिनिमा लेवल सेट्स (loss minima level sets) पर रिपैरामीट्राइजेशन-इनवेरिएंट समाधानों को सटीक रूप से सैंपल करता है, जिससे मौजूदा विधियों की तुलना में बेयसियन अनुमान (Bayesian inference) में अनिश्चितता परिमाणीकरण (uncertainty quantification) में सुधार होता है।

Albert Kjøller Jacobsen, Leo Uhre Jakobsen, Johanna Marie Gegenfurtner, Georgios Arvanitidis2026-05-18
🤖 machine learning

DrugSAGE:Self-evolving Agent Experience for Efficient State-of-the-Art Drug Discovery

DrugSAGE एक स्व-विकसित (self-evolving) एजेंट फ्रेमवर्क है जो क्रॉस-टास्क अनुभवों—जैसे कि सत्यापित कौशल, प्रभावी रणनीतियाँ और त्रुटि सुधार—को संचित और पुन: उपयोग करता है ताकि कुशलतापूर्वक अत्याधुनिक ड्रग डिस्कवरी मॉडल बनाए जा सकें, जो नए कार्यों पर महंगी खोज की आवश्यकता को कम या समाप्त करके मौजूदा एजेंटों से काफी बेहतर प्रदर्शन करता है।

Yikun Zhang, Xiwei Cheng, Tianyu Liu, Yuanqi Du, Wengong Jin2026-05-18
🤖 machine learning

Layer-wise Derivative Controlled Networks

यह शोध पत्र ChainzRule प्रस्तुत करता है, जो एक नवीन न्यूरल आर्किटेक्चर है जो डिफरेंशियल रेगुलराइजेशन (DREG) के साथ एक पॉलिनोमियल इंजन का उपयोग करता है ताकि लक्षित व्युत्पन्न नियंत्रण (targeted derivative control) के माध्यम से अत्यधिक संवेदनशीलता को दबाकर उच्च सटीकता, हार्डवेयर दक्षता और कार्यात्मक स्थिरता को सामंजस्यपूर्ण बनाया जा सके, जिससे मानक मॉडलों की तुलना में काफी कम मापदंडों के साथ बेहतर प्रदर्शन प्राप्त किया जा सके।

Rowan Martnishn, Sean Anderson2026-05-18